政府產業政策與汽車行業財務風險的相關研究

摘 要：文章以2009年到2011年在滬深兩市上市的汽車整車企業為研究對象，通過回歸分析，探討政府的產業政策對汽車行業財務風險的影響程度。研究表明，積極的政府產業政策對汽車行業的發展有著顯著的促進作用，能夠減少汽車行業的財務風險，提高汽車產業抵御風險的能力。

關鍵詞：政府政策 汽車行業 財務風險 回歸分析

中圖分類號：F407 文獻標識碼：A

文章編號：1004-4914（2013）03-021-02

一、引言

汽車行業作為國民經濟的支柱產業，在國民經濟發展中起著舉足輕重的作用，同樣，國家宏觀經濟形式和宏觀經濟政策的變化，也會對汽車產業的發展產生重要影響。為了應付全球金融危機對我國汽車產業的影響，國家發改委和工信部出臺了一系列的鼓勵政策，其中最主要的市場調控政策是對汽車購置稅的優惠，從2009年1月1日到2011年12月31日，政府對汽車購置稅作了三次重要調整：2009年汽車購置稅率優惠50%，即汽車購置稅率從10%優惠至5%；2010年優惠75%，即從10%優惠至7.5%；2011年隨著經濟形勢的好轉，汽車購置稅率恢復至10%。

雖然車輛購置稅優惠只是針對1.6L排量及其以下排量的小汽車，但是，由于我國1.6L及其以下排量的小汽車的消費在汽車行業中占有重要地位，政府宏觀政策的變化必然會對汽車企業的管理決策和汽車行業的發展產生重要的影響。

基于上述研究背景，本文從政府產業政策視角出發，選取政府產業政策為典型變量，采用SPSS統計軟件進行統計分析，研究其對汽車行業財務風險的影響。本文的研究意義在于：為深入分析汽車行業財務風險的產生根源提供進一步的理論支持，通過實證研究來探討政府宏觀經濟政策與汽車企業財務風險的關系。此外，通過本文的實證研究，期望為實務界提供新的參考依據，以提高汽車行業應對政策變化的能力，降低財務風險。

二、研究假設

（一）變量設計

1.被解釋變量。國內外對公司財務風險衡量指標的研究主要基于以下三類：（1）以某個具體財務指標的波動來衡量；（2）構建財務預警模型；（3）市場風險測度方法（VAR）。鑒于我國證券市場發展時間短，還有待完善，國內學者大多采用第二種方法，即通過構建各種財務預警模型來測度公司財務風險。其中，Altman建立的Z指數模型是目前較為流行的用于預測企業破產的一個多變量財務風險預警模型。該模型使用22個財務比率，經過統計篩選，建立了著名的Z-score模型。該模型通過加權匯總，計算財務風險總判別值，從而判斷公司財務風險的大小，是評價公司財務風險的經典模型。

因此，本文采用Altman的Z-score模型來衡量公司財務風險，其具體計算公式為：

Z=1.2×（營運資金/資產總額）+1.4×（留存收益/資產總額）+3.3×（息稅前利潤/資產總額）+0.6×（股票市價總額/負債賬面價值總額）+0.999×（銷售收入/資產總額）……（公式1）

Z值越小，表示公司的財務風險越大，破產可能性也越大，財務危機也就越嚴重；反之，則表明公司財務風險越小。Altman教授的研究結果顯示：如果Z值大于2.99，表明公司的財務狀況良好，出現破產的概率非常小；如果Z值小于1.81，表明公司存在很大的破產危險，財務危機很嚴重；如果Z值位于1.81～2.99之間，則公司財務狀況處于“灰色地帶”，財務狀況不明晰，應引起足夠重視。

2.解釋變量。本文的解釋變量用政府產業政策對汽車行業的鼓勵程度（GP）來表示。GP的取值區間為0～1。當政府產業政策對汽車行業不具有鼓勵效用時，GP=0；當政府產業政策對汽車行業具有明顯的鼓勵效用時，GP=1。

引言中2009年1月1日到2011年12月31日政府對汽車購置稅的三次重要調整表明，汽車購置稅優惠程度集中體現了政府產業政策對汽車行業的鼓勵程度。因此，下文以汽車購置稅的優惠程度來衡量GP值的大小，2009年GP=1，2010年GP=0.5，2011年GP=0。

3.控制變量。本文在借鑒前人研究的基礎上，選擇以下變量作為研究公司財務風險的控制變量。（1）公司規模（S）。用公司期末總資產的自然對數來表示，即LN（期末總資產）。（2）資產負債率（L）。資產負債率反映公司的負債比例，L=負債/資產。（3）資產期限結構（A）。用公司固定資產占總資產的比例來衡量，A=期末固定資產/期末總資產。（4）盈利能力（ROA）。盈利能力在一定程度上反映了公司抵御財務風險的能力，ROA=2*凈利潤/（期初總資產+期末總資產）。（5）成長性（G）。用主營業務收入的增長率來表示公司成長性，G=（本期主營業務收入-上期主營業務收入）/上期主營業務收入。將變量設計中的各變量匯總如表1所示。

（二）研究假設

根據Altman的Z-score模型，本文假設，政府產業政策與汽車企業財務風險存在某種線性相關性，用以下公式表示：Zi =β0+β1*GPi+β2*Si+β3*Li+β4*Ai+β5*ROAi+β6*Gi+δi……（公式2）

其中，β0為常量，β1、β2、β3、β4、β5、β6為各變量的系數，δi是殘差項，反映了除各變量之外的其他因素對Z值的影響。

在計算各Zi值時，本文采用了Z-score模型即公式1。

三、變量的相關性分析

為了檢驗本文對于變量的選取是否合理，首先采用SPSS統計軟件對各變量進行相關性分析。各變量的相關性分析如表2所示。

相關性分析結果顯示，政府政策（GP）值與財務風險（Z）值呈正相關關系，說明政府政策與公司財務風險負相關。其它控制變量與公司財務風險均呈顯著的相關關系，說明本文對于控制變量的選取是合理的。

公式2中所涉及到的各自變量之間的相關系數，絕對值最大的是S（公司規模）與A（資產期限結構），其絕對值為0.486，小于0.6，說明自變量之間的相關性一般。因此，公式2中各自變量之間呈現一種弱相關關系。

因此，公式2中基本不會存在多重共線性問題，可以放入同一個公式中進行回歸分析。

四、多元回歸分析

為了進一步研究政府產業政策對汽車行業財務風險的影響，在以上相關性分析的基礎上，本文采用SPSS統計軟件對各變量進行回歸分析。

殘差項δ的回歸分析結果如表3所示。從表3可以看出公式2中的D.W值在2附近，即殘差項δ服從正態分布，不存在自相關關系。

為了檢驗公式2是否具有顯著性，采用方差分析（Analysis of Variance，簡稱ANOVA）。方差分析的結果如表4所示。從檢驗結果的F值來看，各模型均在5%的顯著性水平上顯著，且模型對因變量的解釋能力在60%以上，說明公式2的總體擬合程度比較高。從表4可以看出F值為6.388，大于a=0.05下的臨界值2.70，回歸方程（公式2）顯著性明顯。

為了檢驗公式2中的變量是否具有顯著性，采用t檢驗（Student's t test）。t檢驗的結果如表5所示。從表5可以看出，政府產業政策（GP）的t檢驗量為2.081，大于在a=0.05下的臨界值1.7196，表明政府產業政策（GP）與Z值顯著正相關，即與公司財務風險顯著負相關。

五、結論

通過以上相關性分析及多元回歸分析，我們可以得知，政府的積極經濟政策能夠有效地減少汽車行業的財務風險，也印證了我國2009年至2011年政府對汽車購置稅三次重要調整對在深滬兩市上市的整車汽車產業的影響，即2009年增速46%，2010年增速32%，2011年增速3%。在宏觀經濟不景氣的情況下，政府積極的經濟政策可以促進汽車行業的發展，減少財務風險發生的可能性，有利于汽車產業的健康發展。

參考文獻：

1.嚴碧紅，馬廣奇.基于Z—Score模型的我國房地產業上市公司財務風險的實證分析[J].財會研究，2011（5）：37-41

2.汪東華.多元統計分析與SPSS應用[M].華東理工大學出版社，2011

（作者單位：東北電力大學經濟管理學院 吉林吉林 132012）

（責編：若佳）